• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于卷積神經(jīng)網(wǎng)絡(luò)的皮膚癌良惡性預(yù)測(cè)*

    2018-10-08 11:37:26董青青銀溫社易三莉
    通信技術(shù) 2018年9期
    關(guān)鍵詞:分類(lèi)方法

    董青青,銀溫社,易三莉

    (昆明理工大學(xué) 信息工程與自動(dòng)化學(xué)院,云南 昆明 650500)

    0 引 言

    黑色素瘤是一種獨(dú)特的癌癥,大多數(shù)表現(xiàn)為色素性并發(fā)生于皮膚表面。目前,臨床診斷主要依靠視診,缺點(diǎn)是受醫(yī)生個(gè)人主觀性影響,還因?yàn)檫M(jìn)一步的病理活檢而延長(zhǎng)檢查周期[1-2]。因此,目前臨床實(shí)踐上還缺乏一種具有高精度、高效率和非侵入式的診斷皮膚癌良惡性的方法。(圖像分類(lèi)指根據(jù)圖像信息中反映的不同特征,把不同類(lèi)別的特征區(qū)分開(kāi)來(lái)的圖像處理過(guò)程[3-5]。目前來(lái)看,圖像分類(lèi)方法主要分為線性分類(lèi)和深度神經(jīng)網(wǎng)絡(luò)方法。線性分類(lèi)主要用于解決某類(lèi)具體問(wèn)題,常見(jiàn)的線性分類(lèi)方法包括支持向量機(jī)(Support Vector Machine,SVM)和貝葉斯方法等。深度神經(jīng)網(wǎng)絡(luò)方法可應(yīng)用于不同類(lèi)型的分類(lèi)問(wèn)題,通用性高、泛化能力強(qiáng),常見(jiàn)的神經(jīng)網(wǎng)絡(luò)方法包括前饋神經(jīng)網(wǎng)絡(luò)(Back Propagation,BP)。SVM依據(jù)結(jié)構(gòu)風(fēng)險(xiǎn)最小化理論,被廣泛應(yīng)用于解決小樣本和高維特征等圖像分類(lèi)問(wèn)題中[6]。武崢等人提出的聚類(lèi)優(yōu)化貝葉斯算法,通過(guò)k點(diǎn)算法實(shí)現(xiàn)聚類(lèi),在聚類(lèi)結(jié)果上進(jìn)行貝葉斯識(shí)別,得到了較高的識(shí)別率[7]。以上方法主要處理線性分類(lèi)問(wèn)題,神經(jīng)網(wǎng)絡(luò)方法則通過(guò)作用于大量神經(jīng)元的ReLU等非線性激活函數(shù),在非線性問(wèn)題上有很好的處理能力[8]。Rumelhart和Mcllelland等人提出的BP神經(jīng)網(wǎng)絡(luò)模型,有效解決了非線性問(wèn)題[9];鄧俊峰[10]等多個(gè)團(tuán)隊(duì)對(duì)編碼器結(jié)構(gòu)進(jìn)行了改進(jìn),使得自動(dòng)編碼器同時(shí)具有稀疏性約束條件和邊緣降噪約束條件,在多個(gè)分類(lèi)任務(wù)上,學(xué)習(xí)精度都取得了較高的分類(lèi)效果。相對(duì)于其他方法,LeCun提出的卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)引入權(quán)值共享機(jī)制,大大降低了需要學(xué)習(xí)的參數(shù)量,同時(shí)降低了訓(xùn)練多隱層網(wǎng)絡(luò)的難度[11-12]。Esteva[13]等人采用大量臨床數(shù)據(jù)對(duì)GoogleNet Inception v3網(wǎng)絡(luò)進(jìn)行遷移學(xué)習(xí),對(duì)皮膚病變圖像進(jìn)行分類(lèi),CNN訓(xùn)練的結(jié)果與皮膚科醫(yī)生診斷結(jié)果相媲美。

    上述算法在圖像分類(lèi)任務(wù)上都取得了較好的分類(lèi)效果。CNN由于引入權(quán)值共享機(jī)制,大大降低了學(xué)習(xí)的參數(shù)量,且相對(duì)其他方法有更高的分類(lèi)精度。然而,該算法在對(duì)圖像進(jìn)行分類(lèi)時(shí),存在收斂速度慢問(wèn)題[14]。為了提高皮膚癌良惡性預(yù)測(cè)精度,本文在CNN結(jié)構(gòu)的基礎(chǔ)上,在卷積神經(jīng)網(wǎng)絡(luò)最后一個(gè)池化層與輸出層之間增加一個(gè)卷積層和池化層,構(gòu)建了基于深度卷積神經(jīng)網(wǎng)絡(luò)的皮膚癌良惡性預(yù)測(cè)模型。

    1 方 法

    卷積神經(jīng)網(wǎng)絡(luò)具有局部連接、權(quán)值共享等特性,在圖像分類(lèi)、人臉識(shí)別等多個(gè)計(jì)算機(jī)視覺(jué)任務(wù)中被廣泛應(yīng)用[15]。本文針對(duì)黑色素瘤數(shù)據(jù)特點(diǎn),提出將改進(jìn)的CNN算法用于建立皮膚癌良惡性預(yù)測(cè)模型。該模型對(duì)于黑色素瘤良惡性預(yù)測(cè)的效果更好,收斂速度更快。

    1.1 卷積神經(jīng)網(wǎng)絡(luò)算法

    卷積神經(jīng)網(wǎng)絡(luò)是由用于特征提取的卷積層和用于特征處理的亞采樣層交疊組成的多層神經(jīng)網(wǎng)絡(luò)[16]。網(wǎng)絡(luò)底層輸入數(shù)據(jù),輸出其識(shí)別結(jié)果,輸入圖像經(jīng)過(guò)若干個(gè)“卷積”和“采樣”后,在全連接層實(shí)現(xiàn)與輸出目標(biāo)間的映射。

    對(duì)于卷積層,卷積核中每一個(gè)元素都作為權(quán)值參數(shù),同輸入圖像相應(yīng)區(qū)塊的像素值加權(quán)求和,并經(jīng)過(guò)激活函數(shù)得到輸出像素。第l層的第j個(gè)特征圖矩陣由前一層若干個(gè)特征圖卷積加權(quán)得到,以表示為:

    其中,f(·)是神經(jīng)元激活函數(shù);Nj代表輸入特征圖的組合,*代表卷積運(yùn)算,為卷積核矩陣,為偏置矩陣。

    對(duì)于采樣層而言,也稱(chēng)為“池化”層,作用是基于局部相關(guān)性原理進(jìn)行池化采樣,從而在減少數(shù)據(jù)量的同時(shí)保留有用信息。

    舉辦大型的文化事件營(yíng)銷(xiāo)活動(dòng),也是城市發(fā)展的途徑之一。德國(guó)西部魯爾區(qū)的波鴻,通過(guò)打造魯爾藝術(shù)節(jié)、魯爾鋼琴節(jié)和波鴻綜合音樂(lè)節(jié)等在歐洲擁有較高聲譽(yù)和影響力的藝術(shù)節(jié)慶活動(dòng),實(shí)現(xiàn)了從工業(yè)基地到文化藝術(shù)中心城市的轉(zhuǎn)型。法國(guó)名城戛納,以每年5月舉行電影節(jié)的方式,走上了城市發(fā)展的快車(chē)道。經(jīng)過(guò)幾十年的發(fā)展,戛納國(guó)際電影節(jié)已躋身世界最大、最重要的四大電影節(jié)之一,每年吸引著30萬(wàn)人前來(lái)參加,給城市帶來(lái)巨大的經(jīng)濟(jì)效益和良好口碑,戛納也因此成為世界名城,吸引著眾多游客。

    采樣過(guò)程可以表示為:

    其中,down(·)表示下采樣函數(shù),常用的有最大值采樣函數(shù)和均值采樣函數(shù)。

    全連接層的結(jié)構(gòu)和全連接神經(jīng)網(wǎng)絡(luò)的隱層結(jié)構(gòu)相同。全連接層的每個(gè)神經(jīng)元都會(huì)與下一層的每個(gè)神經(jīng)元相連。第l層全連接層特征向量xl可以表示為:

    其中,wl是權(quán)值矩陣,bl是偏置向量。

    模型的最后輸出層為邏輯回歸層。卷積神經(jīng)網(wǎng)絡(luò)輸出的每個(gè)節(jié)點(diǎn)表示輸入圖片屬于某一類(lèi)別i的概率:

    式中,w為最后一層的權(quán)參數(shù),b為相應(yīng)偏置參數(shù)。

    1.2 遷移學(xué)習(xí)

    遷移學(xué)習(xí)在深度學(xué)習(xí)中應(yīng)用廣泛,特別對(duì)于在醫(yī)療領(lǐng)域數(shù)據(jù)量非常受限時(shí)。從自然圖像到醫(yī)療數(shù)據(jù)的遷移學(xué)習(xí),將訓(xùn)練學(xué)習(xí)到的權(quán)重作為目標(biāo)數(shù)據(jù)的初始化參數(shù)。本文采用自然圖像訓(xùn)練得到的CIFAR-10模型進(jìn)行黑色素瘤數(shù)據(jù)的遷移學(xué)習(xí),為了得到更好的皮膚病變分類(lèi)效果,在CIFAR-10網(wǎng)絡(luò)基礎(chǔ)上進(jìn)行卷積的改進(jìn)。

    1.3 卷積層的改進(jìn)

    卷積層結(jié)構(gòu)的核心是使用局部最優(yōu)的稀疏結(jié)構(gòu)取代原有的全連接方式[17],并利用稠密計(jì)算實(shí)現(xiàn)訓(xùn)練過(guò)程的加速。卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)在構(gòu)建皮膚癌良惡性預(yù)測(cè)模型中,存在計(jì)算速度較慢、預(yù)測(cè)精度不高的問(wèn)題[18-19]。

    針對(duì)這些問(wèn)題,本文在CIFAR-10網(wǎng)絡(luò)最后一個(gè)池化層與輸出層之間增加一個(gè)卷積層和池化層,通過(guò)增加網(wǎng)絡(luò)深度,更好地應(yīng)用于復(fù)雜的圖像分類(lèi)任務(wù),提高分類(lèi)準(zhǔn)確率,解決分類(lèi)效果在輸出層和前一卷積層之間的受限問(wèn)題。通過(guò)對(duì)比實(shí)驗(yàn)采用ReLU激活函數(shù),使得網(wǎng)絡(luò)變得稀疏,大大減小了計(jì)算量,降低了過(guò)擬合問(wèn)題。

    圖1 網(wǎng)絡(luò)結(jié)構(gòu)流程

    CNN網(wǎng)絡(luò)常用的激活函數(shù)有ReLU、AbsVal和tanh,其中線性激活函數(shù)ReLU是目前使用最多的激活函數(shù),表達(dá)式如下:

    其中x表示輸入值,ReLU函數(shù)是分段函數(shù),如果x大于0,輸出即保持原值,否則輸出為0。ReLU簡(jiǎn)單地將閾值設(shè)置在零點(diǎn),對(duì)輸入x值只進(jìn)行單邊計(jì)算,大大減小了計(jì)算量。對(duì)Mnist數(shù)據(jù)采用三種不同的激活函數(shù)進(jìn)行1 000次迭代訓(xùn)練,三種激活函數(shù)的損失值及運(yùn)算時(shí)間見(jiàn)表1。可以看出,采用ReLU函數(shù)得到的損失值最小,且運(yùn)算時(shí)間最短,網(wǎng)絡(luò)最先達(dá)到收斂。

    表1 不同激活函數(shù)損失值比較

    1.4 優(yōu)化方式選擇

    SGD優(yōu)化訓(xùn)練數(shù)據(jù)集首先將其分成n個(gè)batch,每個(gè)batch包含m個(gè)樣本。當(dāng)訓(xùn)練數(shù)據(jù)太多時(shí),利用整個(gè)數(shù)據(jù)集更新往往時(shí)間上不顯示。batch的方法可以減少計(jì)算機(jī)的壓力,并且可以更快收斂。每次更新利用一個(gè)batch的數(shù)據(jù)而非整個(gè)訓(xùn)練集,即:

    其中Xt+1為當(dāng)前更新值,Xt為上一次的更新值,η為學(xué)習(xí)率,gt為X在t時(shí)刻的梯度。

    2 實(shí)驗(yàn)及分析

    本文基于Caffe深度學(xué)習(xí)平臺(tái)進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)的搭建和模型訓(xùn)練。該平臺(tái)由C++開(kāi)發(fā),具備python、matlab以及命令行接口,且兼顧GPU與CPU的加速優(yōu)化與切換。本文采用公開(kāi)數(shù)據(jù)集ISBI提供的900例有注釋的黑色素瘤數(shù)據(jù)。根據(jù)提供的CSV文件,數(shù)據(jù)分為良性和惡性?xún)深?lèi),如圖2所示。圖2(a)表示良性黑色素瘤,圖2(b)表示惡性黑色素瘤。

    本文基于Caffe深度學(xué)習(xí)平臺(tái),采用改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)方法,針對(duì)黑色素瘤數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行參數(shù)設(shè)置,對(duì)數(shù)據(jù)集進(jìn)行訓(xùn)練測(cè)試,并將其與他方法進(jìn)行比較。

    圖2 黑色素瘤良惡性樣本

    2.1 參數(shù)設(shè)置

    本文基于Caffe框架構(gòu)建的卷積神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)皮膚癌良惡性識(shí)別的訓(xùn)練過(guò)程。實(shí)驗(yàn)中,網(wǎng)絡(luò)模型的數(shù)據(jù)層、卷積層、池化層、全連接層參數(shù)配置具體如下。

    網(wǎng)絡(luò)的輸入層即數(shù)據(jù)層,設(shè)置數(shù)據(jù)批處理大小batch_size為64。為了提高分類(lèi)的有效性,將通道圖像像素進(jìn)行歸一化處理,設(shè)置scale為0.003 906 25。

    卷積層設(shè)置濾波器權(quán)重學(xué)習(xí)率參數(shù)lr_mult為1,偏置學(xué)習(xí)率參數(shù)bias為2,bias設(shè)置為lr_mult的2倍。卷積核個(gè)數(shù)為32,步長(zhǎng)為1,卷積核大小為5×5,填充為2,使用高斯分布隨機(jī)初始化卷積核,高斯分布標(biāo)準(zhǔn)差為0.001。

    對(duì)于池化層,因?yàn)閳D像的紋理特征對(duì)于圖像分類(lèi)特征很重要,而最大值池化方法能夠更好地保留紋理特征,設(shè)置池化窗口大小為3×3,窗口滑動(dòng)步長(zhǎng)為2。

    全連接層同卷積層形式一樣,輸出類(lèi)別數(shù)和數(shù)據(jù)分類(lèi)數(shù)目相同。本文黑色素瘤數(shù)據(jù)分為良、惡性?xún)深?lèi),設(shè)置輸出類(lèi)別數(shù)為2。

    2.2 改進(jìn)的CNN方法實(shí)驗(yàn)

    本文采用SGD優(yōu)化方式進(jìn)行網(wǎng)絡(luò)訓(xùn)練,設(shè)置60 000次迭代訓(xùn)練,訓(xùn)練集樣本數(shù)5 606張,測(cè)試集1 002張,實(shí)驗(yàn)結(jié)果如表2所示??梢钥闯?,基于改進(jìn)的CNN皮膚癌良惡性預(yù)測(cè)模型,最終分類(lèi)精度訓(xùn)練集識(shí)別率達(dá)到91.92%,測(cè)試集識(shí)別率為89.5%。CNN和改進(jìn)的CNN迭代訓(xùn)練過(guò)程中Loss和Accuracy變化曲線如圖3所示,其中虛線表示準(zhǔn)確度變化,實(shí)線表示損失值變化。

    表2 CNN預(yù)測(cè)皮膚癌良惡性識(shí)別率

    圖3 CNN與改進(jìn)的CNN Loss下降和Accuracy上升過(guò)程

    從圖3可以看出,改進(jìn)后的CNN與未改進(jìn)的CNN網(wǎng)絡(luò)在數(shù)據(jù)集上的預(yù)測(cè)精度與損失值的對(duì)比。改進(jìn)的CNN預(yù)測(cè)精度隨著迭代次數(shù)的增加穩(wěn)定上升,而CNN隨著迭代次數(shù)的增加,準(zhǔn)確度逐漸趨于穩(wěn)定。改進(jìn)的CNN由于在CIFAR-10網(wǎng)絡(luò)最后一個(gè)池化層與輸出層之間增加了一個(gè)卷積層和池化層,通過(guò)增加網(wǎng)絡(luò)深度,能夠更好地應(yīng)用于難以區(qū)分的黑色素瘤良惡性圖像分類(lèi)任務(wù)中,提高了分類(lèi)準(zhǔn)確率。

    2.3 其他方法實(shí)驗(yàn)

    為了驗(yàn)證改進(jìn)的CNN對(duì)于黑色素瘤數(shù)據(jù)識(shí)別的有效性[20-21],將本文方法與KNN、SVM等方法進(jìn)行比較。從表3可以看出,在訓(xùn)練集和測(cè)試集上改進(jìn)的CNN,對(duì)皮膚癌良惡性預(yù)測(cè)識(shí)別率均高于KNN、SVM方法。KNN、SVM等淺層學(xué)習(xí)方法主要適用于小樣本學(xué)習(xí),在數(shù)據(jù)量較大時(shí)識(shí)別率不高。

    表3 改進(jìn)的CNN與KNN、SVM比較結(jié)果

    本文在CIFAR-10結(jié)構(gòu)的基礎(chǔ)上,在網(wǎng)絡(luò)最后一個(gè)池化層與輸出層之間增加一個(gè)卷積層和池化層,構(gòu)建了基于深度卷積神經(jīng)網(wǎng)絡(luò)的皮膚癌良惡性預(yù)測(cè)模型。在黑色素瘤數(shù)據(jù)集上,改進(jìn)的CNN結(jié)構(gòu)對(duì)黑色素瘤良惡性預(yù)測(cè)準(zhǔn)確度比原始遷移模型CIFAR-10有一定提升。

    3 結(jié) 語(yǔ)

    本文基于卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建的皮膚癌良惡性預(yù)測(cè)模型,通過(guò)對(duì)黑色素瘤數(shù)據(jù)進(jìn)行擴(kuò)增,對(duì)CIFAR-10結(jié)構(gòu)層次進(jìn)行加深,選擇ReLU為激活函數(shù),采用SGD方法進(jìn)行網(wǎng)絡(luò)訓(xùn)練,實(shí)現(xiàn)了分類(lèi)精度更高、收斂效果好的深度學(xué)習(xí)網(wǎng)絡(luò)。本文方法在黑色素瘤良惡性預(yù)測(cè)準(zhǔn)確度訓(xùn)練集達(dá)到91.92%,測(cè)試集達(dá)到89.5%,相對(duì)于其他方法取得了較好的分類(lèi)效果。

    后續(xù)工作中,將緊密結(jié)合臨床醫(yī)學(xué)相關(guān)知識(shí),對(duì)初步建立的皮膚癌良惡性預(yù)測(cè)模型進(jìn)行不斷遷移和更新,進(jìn)而找到更加通用的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)方法。

    猜你喜歡
    分類(lèi)方法
    分類(lèi)算一算
    垃圾分類(lèi)的困惑你有嗎
    大眾健康(2021年6期)2021-06-08 19:30:06
    學(xué)習(xí)方法
    分類(lèi)討論求坐標(biāo)
    數(shù)據(jù)分析中的分類(lèi)討論
    教你一招:數(shù)的分類(lèi)
    可能是方法不對(duì)
    用對(duì)方法才能瘦
    Coco薇(2016年2期)2016-03-22 02:42:52
    四大方法 教你不再“坐以待病”!
    Coco薇(2015年1期)2015-08-13 02:47:34
    賺錢(qián)方法
    最新的欧美精品一区二区| 人妻一区二区av| 五月开心婷婷网| 麻豆av在线久日| 国产成人免费观看mmmm| 成人精品一区二区免费| 午夜精品国产一区二区电影| 亚洲精品美女久久久久99蜜臀| 亚洲av日韩在线播放| 老司机午夜十八禁免费视频| 亚洲国产欧美网| 飞空精品影院首页| 天堂动漫精品| 别揉我奶头~嗯~啊~动态视频| 久久午夜综合久久蜜桃| 国产亚洲一区二区精品| www.999成人在线观看| 一级片免费观看大全| 麻豆av在线久日| 成年女人毛片免费观看观看9 | videos熟女内射| 女人久久www免费人成看片| 亚洲国产精品一区二区三区在线| 精品久久蜜臀av无| 一边摸一边抽搐一进一出视频| 久久久国产欧美日韩av| 久久中文字幕人妻熟女| 91麻豆av在线| 国产精品一区二区精品视频观看| 热99久久久久精品小说推荐| 亚洲七黄色美女视频| e午夜精品久久久久久久| 少妇猛男粗大的猛烈进出视频| 老司机靠b影院| 亚洲男人天堂网一区| 国产精品久久视频播放| 制服人妻中文乱码| 欧美日韩黄片免| 久久中文看片网| 国产精品久久视频播放| 黄片播放在线免费| 老司机靠b影院| 亚洲熟妇中文字幕五十中出 | 正在播放国产对白刺激| 精品国产超薄肉色丝袜足j| 国产91精品成人一区二区三区| 亚洲五月天丁香| 18禁裸乳无遮挡动漫免费视频| 国产精品一区二区在线不卡| 成人三级做爰电影| 宅男免费午夜| 日韩精品免费视频一区二区三区| 女人高潮潮喷娇喘18禁视频| 人人妻,人人澡人人爽秒播| 身体一侧抽搐| 亚洲伊人色综图| 天天影视国产精品| 国产精品av久久久久免费| 日韩有码中文字幕| 午夜成年电影在线免费观看| 淫妇啪啪啪对白视频| 黑人欧美特级aaaaaa片| 欧美成人免费av一区二区三区 | 高清av免费在线| 99久久精品国产亚洲精品| av一本久久久久| 激情在线观看视频在线高清 | 男女高潮啪啪啪动态图| 色播在线永久视频| 少妇猛男粗大的猛烈进出视频| 国精品久久久久久国模美| 黄色a级毛片大全视频| 精品国产乱子伦一区二区三区| 91在线观看av| 欧美不卡视频在线免费观看 | 久久久久久人人人人人| 亚洲国产精品sss在线观看 | 一区二区三区激情视频| 久久久精品区二区三区| 久久久水蜜桃国产精品网| 一级片免费观看大全| 国产精品美女特级片免费视频播放器 | 国产视频一区二区在线看| 黑人巨大精品欧美一区二区mp4| 久久人人97超碰香蕉20202| 19禁男女啪啪无遮挡网站| 欧美日韩一级在线毛片| 午夜久久久在线观看| 久久影院123| 久久久久精品国产欧美久久久| 日本vs欧美在线观看视频| 熟女少妇亚洲综合色aaa.| 国产aⅴ精品一区二区三区波| 亚洲欧美一区二区三区久久| 在线观看免费视频网站a站| 久久久久久久久久久久大奶| 我的亚洲天堂| 女同久久另类99精品国产91| 久久久久久人人人人人| 久久久久久久国产电影| 日韩制服丝袜自拍偷拍| 免费黄频网站在线观看国产| 丝袜在线中文字幕| 婷婷成人精品国产| 在线观看免费视频日本深夜| 大型黄色视频在线免费观看| 大型av网站在线播放| 亚洲avbb在线观看| 国产无遮挡羞羞视频在线观看| 99re6热这里在线精品视频| 男人的好看免费观看在线视频 | 国产亚洲一区二区精品| av中文乱码字幕在线| 曰老女人黄片| 两个人免费观看高清视频| 亚洲一区二区三区欧美精品| 淫妇啪啪啪对白视频| 纯流量卡能插随身wifi吗| 日本黄色日本黄色录像| 久久久久久亚洲精品国产蜜桃av| 水蜜桃什么品种好| 国产一区二区三区综合在线观看| 中文字幕色久视频| 热re99久久国产66热| 国产精品久久久久久精品古装| 久久婷婷成人综合色麻豆| 久久人人97超碰香蕉20202| 欧美在线黄色| 久久久水蜜桃国产精品网| 夜夜爽天天搞| 国产成人欧美在线观看 | 男女床上黄色一级片免费看| 欧美人与性动交α欧美精品济南到| 啦啦啦视频在线资源免费观看| 午夜免费成人在线视频| 国产成人影院久久av| 午夜免费鲁丝| 一级a爱片免费观看的视频| 久久亚洲真实| 精品高清国产在线一区| 久久亚洲精品不卡| 99精品久久久久人妻精品| 亚洲av成人一区二区三| 欧美黑人精品巨大| 黄色片一级片一级黄色片| 成人精品一区二区免费| 9热在线视频观看99| 女人精品久久久久毛片| 国产日韩一区二区三区精品不卡| 又黄又爽又免费观看的视频| 每晚都被弄得嗷嗷叫到高潮| 精品一品国产午夜福利视频| 国产免费现黄频在线看| 最近最新免费中文字幕在线| 国产激情久久老熟女| 国产精品国产高清国产av | 中文字幕人妻丝袜一区二区| 搡老熟女国产l中国老女人| 亚洲自偷自拍图片 自拍| 亚洲欧美日韩另类电影网站| 亚洲精品在线观看二区| 宅男免费午夜| 中文字幕另类日韩欧美亚洲嫩草| 无人区码免费观看不卡| 日韩欧美在线二视频 | 久久精品91无色码中文字幕| 美女福利国产在线| 国产免费av片在线观看野外av| 午夜精品久久久久久毛片777| 一本大道久久a久久精品| 一区二区日韩欧美中文字幕| 欧美日韩福利视频一区二区| 国产精品一区二区精品视频观看| 久久国产精品大桥未久av| 欧美另类亚洲清纯唯美| 丝瓜视频免费看黄片| 男女下面插进去视频免费观看| 两个人看的免费小视频| 亚洲国产精品sss在线观看 | 亚洲成国产人片在线观看| 久久国产精品影院| 久久中文字幕一级| 亚洲在线自拍视频| 国产又色又爽无遮挡免费看| 操出白浆在线播放| 成人精品一区二区免费| 身体一侧抽搐| 国产精品一区二区免费欧美| 亚洲色图综合在线观看| 成人特级黄色片久久久久久久| 亚洲,欧美精品.| 国产成人影院久久av| 国产aⅴ精品一区二区三区波| 天堂俺去俺来也www色官网| 亚洲精品一二三| 亚洲精品自拍成人| 多毛熟女@视频| 手机成人av网站| 亚洲第一av免费看| 亚洲七黄色美女视频| √禁漫天堂资源中文www| netflix在线观看网站| 久久精品国产a三级三级三级| 五月开心婷婷网| 操出白浆在线播放| 一级毛片高清免费大全| 亚洲专区中文字幕在线| 日本黄色日本黄色录像| 在线观看午夜福利视频| 欧洲精品卡2卡3卡4卡5卡区| 757午夜福利合集在线观看| 91成人精品电影| 午夜福利在线免费观看网站| x7x7x7水蜜桃| 91在线观看av| 女人高潮潮喷娇喘18禁视频| 极品教师在线免费播放| av片东京热男人的天堂| 在线观看舔阴道视频| 乱人伦中国视频| 成人亚洲精品一区在线观看| 久久久精品国产亚洲av高清涩受| 王馨瑶露胸无遮挡在线观看| 国产野战对白在线观看| 狠狠婷婷综合久久久久久88av| av片东京热男人的天堂| 搡老熟女国产l中国老女人| 在线观看一区二区三区激情| 香蕉丝袜av| 国产单亲对白刺激| 久久精品亚洲熟妇少妇任你| 巨乳人妻的诱惑在线观看| 大型av网站在线播放| 成人18禁在线播放| 国产亚洲精品久久久久久毛片 | 99香蕉大伊视频| 99精品在免费线老司机午夜| 婷婷成人精品国产| 亚洲精品国产精品久久久不卡| 国产野战对白在线观看| 亚洲中文av在线| aaaaa片日本免费| 亚洲午夜理论影院| 黑人巨大精品欧美一区二区蜜桃| 午夜福利在线免费观看网站| 日本撒尿小便嘘嘘汇集6| 亚洲成人手机| 婷婷精品国产亚洲av在线 | 国产亚洲精品一区二区www | 欧美另类亚洲清纯唯美| 变态另类成人亚洲欧美熟女 | 亚洲专区字幕在线| 国产成人系列免费观看| 免费女性裸体啪啪无遮挡网站| 99久久综合精品五月天人人| 黄色成人免费大全| 日韩三级视频一区二区三区| 无人区码免费观看不卡| 一本综合久久免费| 欧美av亚洲av综合av国产av| 男女下面插进去视频免费观看| 成人18禁在线播放| 在线观看www视频免费| 天堂√8在线中文| 99热国产这里只有精品6| 看片在线看免费视频| 新久久久久国产一级毛片| 香蕉丝袜av| 大片电影免费在线观看免费| 少妇 在线观看| 亚洲男人天堂网一区| 久久香蕉激情| 91老司机精品| 欧美亚洲日本最大视频资源| 99热只有精品国产| 波多野结衣一区麻豆| 成人精品一区二区免费| 欧美av亚洲av综合av国产av| cao死你这个sao货| 91大片在线观看| 国产亚洲一区二区精品| 亚洲中文av在线| 日本撒尿小便嘘嘘汇集6| av不卡在线播放| 亚洲视频免费观看视频| 国产麻豆69| 日韩免费高清中文字幕av| 日韩成人在线观看一区二区三区| 久久香蕉激情| 成人特级黄色片久久久久久久| 狠狠狠狠99中文字幕| 热re99久久国产66热| 国产精品二区激情视频| 精品第一国产精品| 久久精品国产清高在天天线| 伦理电影免费视频| 精品一品国产午夜福利视频| 校园春色视频在线观看| 日韩 欧美 亚洲 中文字幕| 精品无人区乱码1区二区| 亚洲精品国产区一区二| 日韩人妻精品一区2区三区| 一本大道久久a久久精品| 国产免费现黄频在线看| 精品国产乱子伦一区二区三区| 日韩欧美一区二区三区在线观看 | 黑人巨大精品欧美一区二区蜜桃| 18禁黄网站禁片午夜丰满| 国产亚洲一区二区精品| 青草久久国产| 亚洲熟女毛片儿| av网站免费在线观看视频| 无限看片的www在线观看| 99久久精品国产亚洲精品| 午夜激情av网站| 国产av精品麻豆| 91老司机精品| 深夜精品福利| 我的亚洲天堂| www.999成人在线观看| 男女高潮啪啪啪动态图| av视频免费观看在线观看| 久久久久视频综合| 国产精品久久久av美女十八| 狂野欧美激情性xxxx| 好男人电影高清在线观看| 久久九九热精品免费| 91九色精品人成在线观看| 丁香欧美五月| 老熟妇仑乱视频hdxx| 亚洲中文av在线| 久久久国产成人精品二区 | 黄色怎么调成土黄色| 日韩制服丝袜自拍偷拍| 性色av乱码一区二区三区2| 国产精品一区二区在线不卡| 丝袜在线中文字幕| 国产男女超爽视频在线观看| www.精华液| 天天躁夜夜躁狠狠躁躁| av超薄肉色丝袜交足视频| 免费在线观看日本一区| 亚洲精品一卡2卡三卡4卡5卡| 国产高清视频在线播放一区| 国产有黄有色有爽视频| svipshipincom国产片| 欧美日韩亚洲高清精品| 欧美精品人与动牲交sv欧美| 热re99久久国产66热| 国产av一区二区精品久久| 别揉我奶头~嗯~啊~动态视频| 高清欧美精品videossex| 欧美激情 高清一区二区三区| 黄色片一级片一级黄色片| 国产在视频线精品| 国产精品国产av在线观看| 99热国产这里只有精品6| 色老头精品视频在线观看| 人人妻人人爽人人添夜夜欢视频| 中文字幕人妻熟女乱码| 亚洲va日本ⅴa欧美va伊人久久| 亚洲,欧美精品.| 99精品久久久久人妻精品| 不卡av一区二区三区| 精品乱码久久久久久99久播| 亚洲人成伊人成综合网2020| av免费在线观看网站| 欧美黄色片欧美黄色片| 99热网站在线观看| 精品国产亚洲在线| 18禁美女被吸乳视频| 国产99久久九九免费精品| 欧美老熟妇乱子伦牲交| 怎么达到女性高潮| 亚洲中文av在线| 啦啦啦视频在线资源免费观看| 岛国毛片在线播放| 亚洲午夜理论影院| 99国产综合亚洲精品| 在线观看舔阴道视频| 极品教师在线免费播放| 色婷婷久久久亚洲欧美| 欧美精品人与动牲交sv欧美| 精品少妇一区二区三区视频日本电影| 精品福利观看| 免费高清在线观看日韩| 美国免费a级毛片| 国产精品av久久久久免费| 午夜福利影视在线免费观看| 国产成人精品久久二区二区91| 老司机亚洲免费影院| 成年人免费黄色播放视频| 校园春色视频在线观看| 国产欧美日韩一区二区三| 久久久国产一区二区| 一进一出抽搐gif免费好疼 | 亚洲人成伊人成综合网2020| 久久国产乱子伦精品免费另类| 老司机午夜福利在线观看视频| 亚洲第一av免费看| 色尼玛亚洲综合影院| 国产免费av片在线观看野外av| 国产高清国产精品国产三级| 亚洲久久久国产精品| 高潮久久久久久久久久久不卡| 99在线人妻在线中文字幕 | а√天堂www在线а√下载 | 视频区图区小说| av线在线观看网站| 在线av久久热| 午夜福利在线免费观看网站| 亚洲专区字幕在线| 99国产精品一区二区蜜桃av | 成人手机av| 亚洲国产欧美日韩在线播放| 很黄的视频免费| 亚洲成人免费av在线播放| 最新在线观看一区二区三区| 久久精品熟女亚洲av麻豆精品| 黑人猛操日本美女一级片| 另类亚洲欧美激情| 脱女人内裤的视频| 亚洲性夜色夜夜综合| 不卡av一区二区三区| 母亲3免费完整高清在线观看| 黑人巨大精品欧美一区二区mp4| 91国产中文字幕| 欧美日韩亚洲高清精品| 国产成人免费观看mmmm| av欧美777| 伦理电影免费视频| 99在线人妻在线中文字幕 | 啪啪无遮挡十八禁网站| 欧美成人午夜精品| 亚洲一卡2卡3卡4卡5卡精品中文| 精品人妻1区二区| 中出人妻视频一区二区| 91麻豆精品激情在线观看国产 | 国产一区二区三区视频了| 亚洲美女黄片视频| 久久久久国产一级毛片高清牌| 久久狼人影院| 久久热在线av| 国产免费现黄频在线看| 久久国产精品男人的天堂亚洲| 成人三级做爰电影| 欧美激情 高清一区二区三区| 欧美最黄视频在线播放免费 | 男女下面插进去视频免费观看| 少妇 在线观看| 午夜精品在线福利| 精品人妻1区二区| 欧美成人免费av一区二区三区 | 精品久久蜜臀av无| 国产一卡二卡三卡精品| 一级毛片精品| 午夜亚洲福利在线播放| 精品少妇一区二区三区视频日本电影| 最新在线观看一区二区三区| 黑人巨大精品欧美一区二区蜜桃| 亚洲精品乱久久久久久| 他把我摸到了高潮在线观看| 亚洲精品av麻豆狂野| 露出奶头的视频| 亚洲va日本ⅴa欧美va伊人久久| 麻豆av在线久日| 丝袜在线中文字幕| 两人在一起打扑克的视频| 一a级毛片在线观看| 久久国产精品人妻蜜桃| 久久精品人人爽人人爽视色| 亚洲专区字幕在线| 最新的欧美精品一区二区| 中文字幕制服av| 成人国语在线视频| 国产av一区二区精品久久| 精品少妇久久久久久888优播| 久久久国产精品麻豆| 色婷婷久久久亚洲欧美| 桃红色精品国产亚洲av| 三上悠亚av全集在线观看| 精品久久久久久电影网| 国产淫语在线视频| 精品少妇久久久久久888优播| 成在线人永久免费视频| 亚洲欧美精品综合一区二区三区| 久久久国产成人免费| 午夜福利视频在线观看免费| 国产男女内射视频| 精品人妻熟女毛片av久久网站| 天天躁日日躁夜夜躁夜夜| 人成视频在线观看免费观看| 飞空精品影院首页| 亚洲精品av麻豆狂野| 国产精品.久久久| 在线十欧美十亚洲十日本专区| 最新的欧美精品一区二区| 欧美日韩黄片免| e午夜精品久久久久久久| 久久久精品免费免费高清| 久久久久久久久免费视频了| 中文字幕人妻丝袜一区二区| 亚洲成人手机| cao死你这个sao货| 一级黄色大片毛片| 一区在线观看完整版| 精品久久久久久,| 制服人妻中文乱码| 精品国产一区二区三区久久久樱花| 国产精品1区2区在线观看. | 国产激情欧美一区二区| 性色av乱码一区二区三区2| 在线观看免费视频日本深夜| 精品无人区乱码1区二区| 国产高清激情床上av| 国产激情欧美一区二区| 久久99一区二区三区| 欧美亚洲日本最大视频资源| 久久草成人影院| 日韩欧美三级三区| 日韩免费高清中文字幕av| 99riav亚洲国产免费| 嫩草影视91久久| √禁漫天堂资源中文www| 日韩三级视频一区二区三区| 亚洲国产精品合色在线| 亚洲一卡2卡3卡4卡5卡精品中文| 久久国产精品男人的天堂亚洲| 淫妇啪啪啪对白视频| 国产亚洲精品久久久久5区| 一二三四在线观看免费中文在| 中文字幕人妻熟女乱码| 一区福利在线观看| 啦啦啦视频在线资源免费观看| 亚洲av第一区精品v没综合| 国产乱人伦免费视频| 18禁黄网站禁片午夜丰满| 日韩成人在线观看一区二区三区| 夫妻午夜视频| 90打野战视频偷拍视频| 老熟妇乱子伦视频在线观看| 午夜精品久久久久久毛片777| 久久国产精品男人的天堂亚洲| 高潮久久久久久久久久久不卡| 日本a在线网址| 久久久久久免费高清国产稀缺| e午夜精品久久久久久久| 欧美激情 高清一区二区三区| 韩国av一区二区三区四区| 麻豆av在线久日| 午夜免费成人在线视频| av一本久久久久| 国产精品自产拍在线观看55亚洲 | 国产精品美女特级片免费视频播放器 | 国产精品美女特级片免费视频播放器 | 美女扒开内裤让男人捅视频| 亚洲精品粉嫩美女一区| 国产乱人伦免费视频| 在线观看日韩欧美| 亚洲欧美色中文字幕在线| 我的亚洲天堂| 亚洲七黄色美女视频| 女人被躁到高潮嗷嗷叫费观| 欧美另类亚洲清纯唯美| 国产午夜精品久久久久久| 两性午夜刺激爽爽歪歪视频在线观看 | 超色免费av| av天堂在线播放| 丰满迷人的少妇在线观看| 性色av乱码一区二区三区2| 悠悠久久av| 法律面前人人平等表现在哪些方面| 美女高潮到喷水免费观看| 久热爱精品视频在线9| 亚洲成a人片在线一区二区| 一本一本久久a久久精品综合妖精| 欧美乱码精品一区二区三区| 成年人黄色毛片网站| 日本欧美视频一区| 91精品国产国语对白视频| 日韩人妻精品一区2区三区| 日本五十路高清| 最近最新中文字幕大全电影3 | 日日夜夜操网爽| 电影成人av| 亚洲精品国产区一区二| 国产精品免费大片| 国产三级黄色录像| 国产亚洲av高清不卡| 久久久国产成人精品二区 | 亚洲aⅴ乱码一区二区在线播放 | 亚洲综合色网址| 国产不卡一卡二| 欧美精品av麻豆av| 深夜精品福利| 亚洲午夜理论影院| 啪啪无遮挡十八禁网站| 欧美日韩亚洲高清精品| 99久久综合精品五月天人人| 亚洲精品一二三| 亚洲av片天天在线观看| 中文字幕另类日韩欧美亚洲嫩草| 黑人巨大精品欧美一区二区mp4| 久久久精品国产亚洲av高清涩受| 久久久国产欧美日韩av| 欧美黄色淫秽网站| av欧美777| 啦啦啦在线免费观看视频4| 中文字幕人妻丝袜制服| 国产视频一区二区在线看| 99久久国产精品久久久| 在线观看免费视频日本深夜| 香蕉国产在线看| 亚洲中文字幕日韩| 国产精华一区二区三区|